Kamya Elawadhi, medeoprichter en president van Doceree – Interviewreeks

Kamya Elawadhi, medeoprichter en president van Doceree, is een executive op het gebied van gezondheidszorgmarketing en bedrijfsstrategie die een centrale rol heeft gespeeld in de groei van het bedrijf sinds ze in 2019 is toegetreden. Ze heeft zich opgewerkt via leiderschapsposities die platformstrategie, corporate development, klantdiensten en wereldwijde partnerschappen omvatten, en helpt de technologie van Doceree om te zetten in meetbare waarde voor farmaceutische merken, bureaus, uitgevers en zorgsystemen. In haar huidige rol leidt Elawadhi de wereldwijde groeistrategie van het bedrijf en ondersteunt ze de uitbreiding in de Verenigde Staten, met nadruk op privacybewuste en klinisch relevante communicatie. Voor Doceree bekleedde ze senior klant- en accountleiderschapsrollen bij HS Ad India en McCann Worldgroup, waar ze werkte aan gezondheidszorg-, medische apparaat- en consumentenmerken terwijl ze cross-functionele en multiculturele teams leidde.

Doceree is een AI-first gezondheidszorgmarketing besturingssysteem ontworpen om organisaties in de life sciences te helpen zorgprofessionals en patiënten te betrekken met meer context en precisie. Het platform combineert geverifieerde professionele identiteitsgegevens, realtime klinische intentiesignalen, programmatische activering, point-of-care betrokkenheid en een AI‑redeneringslaag die berichten over kanalen coördineert. Door artsbewustzijn en voorschrijfbeslissingen te verbinden met het behandeltraject van de patiënt, inclusief betaalbaarheid, eerste receptafnames en navullingen, streeft Doceree ernaar zorgmarketeers een meer geïntegreerd overzicht van campagneprestaties te bieden, terwijl privacy en regelgevende naleving worden ondersteund.

U trad bij Doceree tijdens het eerste jaar en speelde een centrale rol in het opbouwen van de Amerikaanse aanwezigheid voordat u medeoprichter en president werd. Wat trok u aanvankelijk aan in de oprichtingsvisie van het bedrijf, en hoe is die visie geëvolueerd nu AI belangrijker wordt voor de gezondheidszorg?

Wat mij aantrok in Doceree was de helderheid van het probleem dat werd aangepakt. Gezondheidszorgmarketing draaide al jaren op geleende infrastructuur, met tools die voor andere sectoren waren ontwikkeld en werden toegepast in een van de meest gereguleerde omgevingen ter wereld. De oprichtingsvisie was om iets speciaal voor de gezondheidszorg vanaf de grond op te bouwen.

Wat geëvolueerd is, is de schaal van wat AI mogelijk maakt. In het begin lag de focus op precisie: de juiste arts op het juiste moment bereiken. AI heeft die momentuitstraling uitgebreid, van het leveren van een bericht tot het lezen van intentie, het initiëren van gesprekken en het verbinden van betrokkenheid over de volledige zorgreis. Het kern geloof is niet veranderd. De ambitie is gegroeid omdat de tools dat zijn.

Doceree heeft onlangs Generative AI Connectors voor ChatGPT en Claude geïntroduceerd. Welke mogelijkheden bieden deze integraties, en welke zorg- of farmaceutische teams zullen er het meest van profiteren?

De integratie met platforms zoals ChatGPT en Claude draait om het brengen van de klinische en commerciële intelligentie van Doceree in de tools die farmaceutische teams dagelijks gebruiken. In plaats van te schakelen tussen systemen, kunnen merk- en bureau‑teams nu de campagneprestaties opvragen, inzicht krijgen in HCP‑betrokkenheid en direct bruikbare aanbevelingen presenteren binnen hun AI‑assistent workflow.

De teams die het meest profiteren, zijn diegenen die snelle, datagedreven beslissingen nemen: merkmanagers die campagneprestaties over markten volgen, bureau‑teams die HCP‑betrokkenheidspatronen monitoren, commerciële leiders die een synthese nodig hebben over meerdere datastromen zonder te wachten op rapporten. Het verwijdert een laag wrijving die altijd heeft bestaan tussen data en besluitvorming. Dat is voor mij waar de echte waarde ligt.

Hoe passen de Generative AI Connectors in de bredere AI‑strategie van Doceree, en welke mogelijkheden verwacht u toe te voegen naarmate de adoptie door ondernemingen groeit?

De connectors fungeren als een laag Daily Command, naast Semmelweis, ons farmaceutisch‑specifieke redeneer­model, en de Analytics Workbench. Het idee erachter is eenvoudig: farmaceutische teams werken al dagelijks binnen ChatGPT en Claude, dus brengen we de klinische intelligentie van Doceree in de tools die ze al gebruiken, met HIPAA‑veilige waarborgen die vanaf het begin zijn ingebouwd.

Naarmate de adoptie groeit, richt de ontwikkeling zich op diepere proactieve intelligentie. Systemen die het juiste signaal naar voren brengen voordat iemand erom vraagt. Daar bouwen we aan.

Doceree gebruikt de term “clinical intelligence” om een deel van haar technologie te beschrijven. Wat betekent dat vanuit een architecturaal perspectief, en hoe vult het de mogelijkheden van de onderliggende grote taalmodellen aan?

Clinical intelligence is in de kern de laag die algemene AI toepasbaar maakt op de gezondheidszorg. Grote taalmodellen zijn buitengewoon capabel, maar ze begrijpen niet van nature een diagnosecode, een voorschrijfpatroon, of wat het betekent wanneer een arts een specifieke therapie kiest voor een specifiek patiëntprofiel. Clinical intelligence overbrugt die kloof.

Architecturaal bevindt het zich tussen de ruwe datasignalen die uit klinische workflows komen en de AI‑modellen die ze interpreteren. Het levert de context die resultaten bruikbaar maakt in plaats van generiek. Zonder dit heb je een krachtig model dat werkt met onvolledige informatie. Met dit heb je iets dat daadwerkelijk een reëel klinisch moment kan beïnvloeden.

Hoe helpt het Semmelweis AI‑systeem van Doceree bij het interpreteren van gezondheidszorgdata en het vertalen ervan naar bruikbare inzichten voor farmaceutische teams?

Semmelweis is opgebouwd rond een simpel idee: gezondheidszorgdata is alleen nuttig als het kan worden geïnterpreteerd in een klinische context, niet alleen op grote schaal verwerkt. Farmaceutische teams beschikken over enorme hoeveelheden betrokkenheids‑ en voorschrijvingsdata, maar de kloof lag altijd tussen het hebben van die data en weten wat ermee te doen.

Semmelweis sluit die kloof door signalen over de klinische reis te lezen en te identificeren waar intentie ontstaat of vervaagt. Die inzichten worden rechtstreeks gevoed in Daily Command, ons AI‑werksysteem voor farmaceutische merkteams, waardoor patroonherkenning wordt omgezet in aanbevelingen die commerciële teams onmiddellijk kunnen toepassen, zonder dat er een data‑science‑team aanwezig hoeft te zijn.

ChatGPT en Claude hebben verschillende modellen, interfaces en bedrijfsomgevingen. Welke technische uitdagingen kwam uw team tegen bij het creëren van een consistente ervaring over beide platforms?

De kernuitdaging was ervoor te zorgen dat elke prompt en elk antwoord, ongeacht op welk platform een gebruiker zich bevindt, binnen dezelfde compliance‑richtlijnen blijven. Gezondheidszorgdata past zich niet aan op basis van welke AI‑assistent de vraag stelt. Het echte werk bestond uit het bouwen van een beheerde integratielaag die tussen de klinische intelligentie van Doceree en beide platforms zit, zodat antwoorden altijd gebaseerd zijn op Semmelweis‑redenering en Doceree‑data en altijd van begin tot eind auditbaar zijn. Consistentie in compliance was het moeilijkere probleem om op te lossen.

Hoe helpen de connectors gebruikers te begrijpen waar een AI‑gegenereerd inzicht vandaan komt en welke data of redenering hebben bijgedragen aan het antwoord?

Elke respons via de connectors is gebaseerd op Doceree‑data en Semmelweis‑redenering. Wanneer een merkteam een commerciële vraag stelt, wordt het antwoord ondersteund door klinische intentiesignalen, identiteitsdata en campagne‑invoer specifiek voor hun merk. De volledige workflow is beheerd en van begin tot eind auditbaar. In een gereguleerde sector is die traceerbaarheid wat AI daadwerkelijk bruikbaar maakt in een commerciële besluitvormingscontext, en dat was vanaf dag één een ontwerpsprincipe.

Zorgorganisaties werken vaak met gevoelige data en complexe regelgevende vereisten. Hoe worden privacy, beveiliging, toegangscontroles en compliance geïntegreerd in het ontwerp van deze integraties?

Dit is iets waar we vanaf het begin aan hebben gedacht als een ontwerpsprincipe. De connectors zijn zo gebouwd dat er nooit patiëntgegevens in de workflow komen. Alles werkt uitsluitend op de‑geïdentificeerde HCP‑context. Elke prompt en elk antwoord blijven binnen HIPAA‑veilige waarborgen, en de volledige workflow is beheerd en van begin tot eind auditbaar.

Wat dat in de praktijk betekent, is dat een merkteam commerciële vragen kan stellen binnen ChatGPT of Claude en antwoorden krijgt die gebaseerd zijn op klinische intelligentie, zonder het privacy‑risico dat normaal gepaard gaat met het verbinden van gevoelige gezondheidszorgdata aan een algemene AI‑assistent. De waarborgen vormen de basis waarop de integratie is gebouwd.

Hoe evalueert u de kwaliteit van de outputs van het systeem, inclusief hun nauwkeurigheid, relevantie, consistentie en bruikbaarheid voor zorgprofessionals?

Kwaliteit in deze context betekent iets heel specifieks. Een output is alleen nuttig als het leidt tot een betere commerciële beslissing, en dat is uiteindelijk hoe we het beoordelen: of het handelen op de output een belangrijke metriek verbetert, of het de voortgang van HCP‑stadia, eerste afnametarieven, campagneprestaties verhoogt.

De gesloten lus maakt dit mogelijk. Daily Command is ontworpen om resultaten terug te voeren naar het redeneer­model, zodat elke aanbeveling wordt aangescherpt door wat daadwerkelijk heeft gewerkt. Dat verschilt van een algemene AI‑assistent waarbij de output in isolatie wordt geëvalueerd. Hier leert het systeem van wat er gebeurt nadat iemand een aanbeveling heeft opgevolgd, wat na verloop van tijd de enige eerlijke maatstaf voor kwaliteit is.

Naarmate farmaceutische bedrijven generatieve AI adopteren, welke principes moeten hun verantwoord gebruik in communicatie gericht op clinici en patiënten sturen?

Het principe waar ik het vaakst op terugkom, is dat AI in de gezondheidszorg onzekerheid moet verkleinen, niet creëren. Wanneer een clinici informatie ontvangt die een behandelbeslissing beïnvloedt, moet de bron van die informatie en de redenering erachter traceerbaar zijn. Dat is een basisnorm van vertrouwen.

Naast traceerbaarheid betekent verantwoord gebruik volgens mij een mens in de lus houden bij alles dat klinisch of commercieel gewicht heeft. AI moet aanbevelen en presenteren. Mensen moeten beslissen en goedkeuren. Het moment dat die grens vervaagt, is wanneer de risico’s beginnen te zwaarder te wegen dan de voordelen.

En compliance moet een architectuur zijn, niet alleen een beleid. In de gezondheidszorg is het verschil tussen die twee dingen alles.

Bedankt voor het geweldige interview, lezers die meer willen weten, kunnen Doceree bezoeken.